Showing: 1 - 10 of 26 RESULTS

Open Space Slot: DevOps für MBSE – Was Systems-Engineering vom Software-Engineering lernen kann

Model-Based Systems Engineering (MBSE) verspricht Konsistenz, Nachvollziehbarkeit und bessere Systemqualität – doch in der Praxis bleiben viele dieser Potenziale ungenutzt. Während im Software-Engineering mit DevOps-Kultur, Continuous Integration und automatisierten Pipelines enorme Fortschritte erzielt wurden, arbeitet Systems Engineering oft noch in isolierten, schwer integrierbaren Toollandschaften.
Diese Open Space Session lädt dazu ein, gemeinsam zu erkunden, wie Prinzipien aus dem DevOps-Umfeld auf MBSE übertragen werden können:
Was bedeutet Continuous Integration für Modelle? Wie könnten „Model Pipelines“ aussehen? Welche Rolle spielen Versionierung, Testing und Feedback-Loops im Systems Engineering?
Ziel ist ein offener Austausch: Erfahrungen, Ideen, gescheiterte Ansätze und konkrete Use Cases sind ausdrücklich willkommen. Gemeinsam wollen wir herausfinden, wie eine moderne, integrierte Arbeitsweise für MBSE aussehen könnte – jenseits von Buzzwords.
Johannes Eder, Chief Technology Officer/ Co-Founder qwitto GmbH

IBM: KI‑unterstütztes MBSE – Mit intelligenter und bewährter Methodik zur Systemarchitektur

IBM Rhapsody Systems Engineering (Rhapsody SE) ist eine auf SysML v2 basierende, cloud-native, webbasierte Lösung und überzeugt insbesondere durch seine einfache intuitive Bedienung. Die über viele Jahre bewährte Harmony‑Methode wurde in Rhapsody SE integriert und ganz neu um die Möglichkeit KI‑unterstützt zu arbeiten erweitert. So können beispielsweise textuelle Anforderungen analysiert und passende Modellelemente generiert werden. Dies reduziert manuellen Aufwand und beschleunigt den Einstieg in die Modellierung.

Anhand eines praxisnahen Beispiels zeigen wir, wie mit Rhapsody SE in kurzer Zeit ein konsistentes Systemmodell entsteht. Durch die Kombination aus SysML v2, Harmony und KI‑Unterstützung erleichtert Rhapsody SE gerade neuen Anwendern den Zugang zur modellbasierten Systementwicklung und steigert zugleich Effizienz und Modellqualität.

oose: SysML v2 auf der Apollo-Mission

Was passiert, wenn ein SysML-v2-Modell nicht nur gelesen, sondern von Maschinen verstanden und simuliert werden soll?

Tim Weilkiens von oose wird gemeinsam mit Marco Bimbi von MathWorks ein SysML v2-Modell der Apollo-11-Mission nutzen, um Bemerkenswertes und Wissenswertes rund um SysML v2 aufzuzeigen. Das Apollo-Modell ist ein sehr umfangreiches Modell der Apollo-11-Mission, das von Airbus veröffentlicht und auf GitHub verfügbar ist: https://github.com/airbus/apollo-11-sysml-v2,

Tim wirft zunächst einen Blick auf das Modell. Es enthält noch ein paar häufig gemachte Fehler. Wir werden uns ein paar dieser Fehler anschauen und korrigieren. Danach wechseln wir den Blickwinkel und stellen uns vor, dass wir eine Maschine sind, die das Modell lesen möchte. Wir werden feststellen, dass wir im Modell mehr als die Semantik von SysML v2 benötigen. Wie finde ich als Maschine beispielsweise das Systemelement. Es ist als Part modelliert, wie viele andere Hunderte von Elementen auch. Das Modell enthält bereits eine Lösung dazu.

Nun haben wir ein SysML-v2-Modell der Mission und Marco wird es nutzen, um eine Simulation der Mondlandung zu zeigen. Spannenderweise ist eine der Ingenieur:innen, die den LunarLander mitentwickelt haben, später zu MathWorks gewechselt. Es kommt also fast vom Erfinder 🙂. Neben der spannenden Simulation wird aber auch deutlich, wie wertvoll ein maschinenlesbares SysML-v2-Modell ist, auf das leicht über die standardisierte SysML-v2-API zugegriffen werden kann.

Wir werden uns auch ansehen, wie wir Fehler ins Modell einspeisen können, und beobachten, was dann passiert … hoffentlich landen wir trotzdem und enden nicht mit dem berühmten … „Houston, wir haben ein Problem!“

Podiumsdiskussion: Wo endet Modellierung – und wo beginnt Bedeutung? SysML, Ontologie und die Realität komplexer Systeme

Mit der zunehmenden Komplexität technischer Systeme und dem wachsenden Einsatz Künstlicher Intelligenz rückt die Frage nach tragfähiger Semantik erneut in den Mittelpunkt. Aktuelle KI-Systeme zeigen eindrücklich, dass Modelle ohne explizite Wirklichkeitsannahmen zu Inkonsistenzen und Halluzinationen neigen. Entsprechend gewinnen Ontologien im Kontext vertrauenswürdiger und erklärbarer KI wieder deutlich an Bedeutung.

Im Model-Based Systems Engineering stellt SysML eine leistungsfähige formale Syntax zur Beschreibung von Systemstrukturen und -verhalten bereit, über die Semantik ausgedrückt werden kann deren Vollständigkeit, Eindeutigkeit und formale Prüfbarkeit jedoch begrenzt ist. Die Diskussionsrunde greift diese Entwicklung auf und stellt die Frage, ob die in der KI beobachtete Notwendigkeit expliziter Ontologien auch für das MBSE relevant ist.

Diskutiert wird, ob implizite Semantik in Modellen ausreicht, um komplexe Systeme zu beherrschen, oder ob explizite Ontologien notwendig werden, um Bedeutungen, Annahmen und Randbedingungen konsistent und realitätsnah zu erfassen. Dabei wird beleuchtet, ob SysML und Ontologien als konkurrierende Ansätze zu verstehen sind – oder ob sie sich komplementär ergänzen, um komplexe Systeme, Digital Twins und KI-gestützte Engineering-Prozesse robust und nachvollziehbar zu modellieren.

 

MathWorks: Simulation und Validierung: Die Brücke zwischen Anforderungen und Architektur

Unklare oder unvollständige Anforderungen sind eine häufige Ursache für späte Designänderungen und kostspielige Integrationsprobleme. Dieser Vortrag zeigt, wie eine frühe Validierung von Anforderungen durch die Simulation von Systemarchitekturen – oder ausgewählter Teile davon – lange vor der physischen Integration erreicht werden kann. Durch die Kombination von Architekturmodellen mit verhaltensorientierten Formalismen wie Sequenzdiagrammen werden Interaktionen und Annahmen ausführbar, beobachtbar und testbar.

Die Präsentation veranschaulicht, wie Anforderungen anhand des simulierten Systemverhaltens validiert werden können, um Inkonsistenzen, fehlende Interaktionen und unrealistische Annahmen auf Systemebene aufzudecken. Über die frühe Validierung hinaus lassen sich dieselben Modelle für die virtuelle Integration wiederverwenden und ermöglichen so eine kontinuierliche Verifikation, während sich Architekturen weiterentwickeln und Subsysteme verfeinert werden. Diese Wiederverwendung überbrückt die Lücke zwischen Requirements Engineering, Architekturentwurf und Integration und unterstützt einen robusteren und besser nachvollziehbaren Entwicklungsprozess.

Es werden praxisnahe Einblicke vermittelt, wie simulationsbasierte Validierung das Vertrauen in Anforderungen stärkt, Integrationsrisiken reduziert und frühere, evidenzbasierte Designentscheidungen in der Entwicklung komplexer Systeme ermöglicht.

Jochen Epple, Mercedes Benz

Impulsvortrag: Praktischer Einsatz von Ontologie bei Mercedes im Systems Engineering

In der modernen Fahrzeugentwicklung steht die IT vor einer doppelten Herausforderung: Sie muss nicht nur eine hochkomplexe Tool-Landschaft bereitstellen, sondern auch die Engineering-Methoden der beteiligten Domänen so verzahnen, dass ein durchgängiger Informationsfluss als Basis für domänenübergreifende Workflows entsteht.

Um die Zusammenhänge der vielfältigen Engineering-Daten, z.B. Anforderungen und Architekturmodelle, besser zu verstehen, wurden diese bei Mercedes-Benz in einem UML-Modell modelliert und beschrieben. Daraus ist dann nach und nach ein umfangreiches, dreischichtiges Metamodell mit Ontologie-, Konzept- und Realisierungsebene entstanden, das heute eine zentrale Rolle in der Entwicklung und Wartung der Engineering-IT eingenommen hat.

Dieser Vortrag beleuchtet die Evolution des Ontologie- und Metamodells: Was als persönliches Hilfsmittel begann, um die Komplexität der Modellierungsmethodik fassbar zu machen, entwickelte sich schnell zu einem zentralen Metamodell für verschiedene Fachabteilungen von der Methodenentwicklung bis zum Qualitätsmanagement und Datenschema für AI-Modelle.